iOS 端侧模型训练与应用

这一章我们不谈复杂的公式，不堆砌晦涩的术语。我希望用最通俗的“白话”，带你钻进 AI 的大脑里，看看它是如何把一段文字变成数学坐标，又是只有什么样的“身体构造”才能在手机这种寸土寸金的地方，既跑得快又

如果说模块一里的 BERT 是我们的“眼睛”，帮我们看清了文字的坐标。那这一章我们要讲的就是“大脑”里的分类格。 很多时候，我们觉得 AI 笨，不是因为它“看不懂”，而是我们教它的分类方式太单一了。

前六章，我们像在教你造一把趁手的“锤子”（分类器）。 但用户不想要锤子，他们想要的是有人帮他挂画。 这一章，我们不聊代码，聊聊即使现在的技术还不完美，我们可以怎么一步步把这个 App 养成一个懂你的老

到目前为止，我们已经造出了一辆性能不错的“赛车”（端侧模型系统）。 这一章，我们要聊聊怎么把这辆车拆解成“通用底盘”，让它不仅能跑拉力赛（目标管理），还能跑F1（医疗诊断），甚至学会自动驾驶（Agen

如果没有任何反馈，用户只不过是在填一张 excel 表。 我们之前做的一切——Embedding、分类、训练，都是为了这一刻：给用户提供有灵魂的反馈。这在 AI 圈有个时髦的词叫 RAG（检索增强生成

模型做好了，导出了，也测试过了。现在把它放进用户的手机里，它就不再是一个静态的文件，而变成了一个有生命的系统。 这一章我们探讨它如何在手机里“活着”，如何“进化”，以及如何决定它的“性格”

别被“工程”这两个字吓跑。这其实就像做菜：你需要选对厨具（GPU/Mac），准备好食材（数据），然后掌握好火候（训练配置）。 很多人倒在这一步，不是因为不懂算法，而是因为环境配置搞死人。